北京理工大学光学工程考研复试真题，上岸考生的回忆版本，对考研复试的准备和规划有一些帮助，北理工光学光学工程

北京理工大学的自动化考研真题和解析，非常好的资料，我也是费了九牛二虎之力才弄到，成功考入北京理工大学

fork自（目前404了）： 另有支持多平台（包括openwrt）的golang版本，请见： 作者已经毕业，很难再更新代码了。如果校园网有变动，并且你有好的解决方案，还请提个pr哈。非常感谢~~ o(￣▽￣)ブ 概述 北京理工大学深澜校园网登录python脚本，可用于任何支持python的设备的网络命令行登录或命令行登录。 详细文档见： 文件说明 文件 说明 BitSrunLogin/ 深澜登录函数包 demo.py 登录示例脚本 always_online.py 在线监测脚本，如果监测到掉线则自动重连 always_online.py可采用nohup命令挂在后台： nohup python always_online.py &

北理人工智能之模式识别课件

疾病知识图谱是一种连接、组织和访问有关疾病的不同信息的方式，对人工智能(AI)有许多好处。为了创建知识图谱，需要以疾病概念之间关系的形式从多模态数据集中提取知识，并对概念和关系类型进行规范化。我们介绍一种用于疾病关系提取和分类的多模式方法REMAP。REMAP机器学习方法将局部、不完全知识图谱和医学语言数据集嵌入到紧凑的潜向量空间中，然后对齐多模态嵌入以提取最佳疾病关系。应用REMAP方法构建了一个疾病知识图谱，关联关系为96,913个，文本数据集为124万句。在人类专家标注的数据集上，REMAP通过融合疾病知识图和文本信息，将基于文本的疾病关系提取提高了10.0%(准确率)和17.2% (F1-score)。此外，REMAP利用文本信息推荐知识图谱中的新关系，比基于图的方法高出8.4%(准确性)和10.4% (F1-score)。系统化的知识正在成为人工智能的支柱，创造了将语义注入人工智能并将其充分整合到机器学习算法中的机会。虽然先前的语义知识可以帮助从文本中提取疾病关系，现有的方法不能充分利用多模态数据集。REMAP是一种融合结构化知识和文本信息的多模式疾病关系提取和分类方法。RE

北京理工大学光学工程考研复试面试英语提问，可以对考研复试英语的准备有所帮助，光学工程其他专业的学生也可以参考学习

北理工的复试课程资料，真题~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

判断两颗二叉树是否相似，C语言二叉树部分入门小程序，适合C语言课程的入门小练习 判断两颗二叉树是否相似，C语言二叉树部分入门小程序，适合C语言课程的入门小练习 判断两颗二叉树是否相似，C语言二叉树部分入门小程序，适合C语言课程的入门小练习

北理操作系统实验代码

北理珠大学生体测试及健康状况的分析论文的相关代码，包含描述性分析，相关性分析，聚类分析，和关联规则R程序代码